分布式源模拟对脑活动的立体脑图测量
Hsin-Ju Lee1, Lin-Yao Chien2, Hsiang-Yu Yu3
1Physical Sciences Platform, Sunnybrook Research Institute, Toronto, Canada; Department of Medical Biophysics, University of Toronto, Toronto, Canada.
概括
立体电脑图 (SEEG) 数据的分布式源建模准确地识别了发性区域 (EZ),即使电极覆盖范围有限. 这种方法改善了手术规划中的发作局部化.
科学领域:
- 神经外科 神经外科
- 发病学 (Epileptology) 是一个专业的学科.
- 计算神经科学是一种神经科学.
背景情况:
- 立体电脑图 (SEEG) 对于定义发性区域 (EZ) 在中至关重要.
- SEEG容易产生采样偏差,如果没有电极放置在内,可能会错过EZ.
- 准确的EZ划分对于成功的手术至关重要.
研究的目的:
- 评估SEEG数据的分布式源建模在识别EZ时的有效性.
- 评估这种建模方法是否可以克服SEEG抽样偏差.
- 为了确定这种方法是否可以使用更少的电极.
主要方法:
- 九名耐火性患者接受了SEEG,并取得了积极的外科结果.
- 使用分布式源建模与SEEG数据和MRI估计了Ictal神经元电流.
- 使用一个留下一个缺省子样本的方法来测试灵敏度和特异性.
主要成果:
- 无论使用所有电极还是部分样本数据,EZ检测的灵敏度和特异性都是相似的.
- 当至少一个电极接触距离EZ不到20毫米时,这种情况是真的.
- 在完整和亚样本数据分析之间没有发现统计学上显著的差异 (p=0.13).
结论:
- 来自SEEG数据的分布式神经电流估计可以减轻EZ边界划分的挑战.
- 这种方法在EZ中错过电极时是有价值的,可能可以避免重复SEEG.
- 分布源建模为规划电极植入和潜在减少电极数量的灵活工具.
